Benefits of targeted deployment of physician-led interprofessional pre-hospital teams on the care of critically Ill and injured patients: a systematic review and meta-analysis
Notice bibliographique
Résumé
INTRODUCTION: Over the past three decades, more advanced pre-hospital systems have increasingly integrated physicians into targeted roles, forming interprofessional teams. These teams focus on providing early senior decision-making and advanced interventions while also ensuring rapid transport to hospitals based on individual patient needs. This paper aims to evaluate the benefits of an inter-professional care model compared to a model where care is delivered solely by paramedics. METHODOLOGY: A meta-analysis and systematic review were conducted using the guidelines of PRISMA 2020. Articles were identified through a systematic search of three databases and snowballing references. A systematic review was conducted of articles that met the inclusion criteria, and a suitable subset was included in a meta-analysis. The survival and mortality outcomes from the studies were then pooled using the statistical software Review Manager (RevMan) Version 8.2.0. RESULTS: Two thousand two hundred ninety-six articles were found from the online databases and 86 from other sources. However, only 23 articles met the inclusion criteria of our study. A pooled analysis of the outcomes reported in these studies indicated that the mortality risk was significantly reduced in patients who received pre-hospital care from interprofessional teams led by physicians compared with those who received care from paramedics alone (AOR 0.80; 95% CI [0.68, 0.91] p = 0.001). The survival rate of critically ill or injured patients who received pre-hospital care from interprofessional teams led by physicians was increased compared to those who received care from paramedics alone (AOR 1.49; 95% CI [1.31, 1.69] P < 0.00001). CONCLUSIONS: The results of our analysis indicate that the targeted deployment of interprofessional teams led by physicians in the pre-hospital care of critically ill or injured patients improves patient outcomes.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,018 | 0,047 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,002 |
| Méta-épidémiologie (sens large) | 0,019 | 0,049 |
| Bibliométrie | 0,008 | 0,008 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,004 | 0,002 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».